Óbitos no Brasil

Row

value box - Quantidade de infectados

14.122.795

Value Box - Total de óbitos desde o início da pandemia

381.475

Valor máximo de mortes diárias

4.249

Valor máximo de mortes diárias

2.7%

Row

Gráfico da quantidade de óbitos no Brasil

Gráfico da quantidade de óbitos em Goiás

Row

Proporção de óbitos por estado

Razão de óbitos por população dos estados brasileiros

Row

Compilado de informações tabulares

Análise de componentes principais

---
title: "ANÁLISE COVID-19"
output: 
  flexdashboard::flex_dashboard:
    orientation: rows
    #vertical_layout: fill
    vertical_layout: scroll
    social: [ "twitter", "facebook","google +", "linkedin", "pinterest" ]
    source_code: embed
    
---

```{r setup, include=FALSE}
#devtools::install_github("jeromefroe/circlepackeR")
#library(devtools)
library(flexdashboard)
library(readxl)
library(tidyverse)
library(plotly)
library(ggmap)
library(RColorBrewer)
library(treemap)
library(hrbrthemes)
library(circlepackeR)
library(data.tree)
library(babynames)
library(viridis)
#library(dplyr)
library(lubridate)
library(DT)
#library(d3treeR)
library(chorddiag)
library(circlize)
library(igraph)
library(ggplot2)
library(ggfortify)


BASE_DADOS = read.csv2("C:/Users/pedro.silva/Desktop/PESSOAL/06.PUC IA, BIG DATA/MODULO 3/PROJETO INTEGRADOR/PROJETO INTEGRADOR/BANCO DE DADOS/HIST_PAINEL_COVIDBR_21abr2021.csv")

#BASE_DADOS$YEAR <- format(as.Date(BASE_DADOS$data), "%Y")
#BASE_DADOS$MONTH <- format(as.Date(BASE_DADOS$data), "%m")

BASE_DADOS$estado=as.vector(BASE_DADOS$estado)

```

Óbitos no Brasil {data-navmenu="Análise COVID-19"}
=====================================

Row {data-width=150}
--------------------------------------
### value box - Quantidade de infectados
```{r}
value=formatC(max(BASE_DADOS$casosAcumulado), format="f", big.mark=".", digits=0)
    valueBox(value, "Quantidade de casos", icon = "virus", color = "#C9D200")

```


### Value Box - Total de óbitos desde o início da pandemia
```{r}
value=formatC(max(BASE_DADOS$obitosAcumulado), format="f", big.mark=".", digits=0)
    valueBox(value, "Quantidade de óbitos totais", icon = "virus", color = "#DC3535")

```

### Valor máximo de mortes diárias
```{r}
value=formatC(max(BASE_DADOS$obitosNovos), format="f", big.mark=".", digits=0)
    valueBox(value, "Registro máximo de mortes diárias", icon = "virus", color = "#00AE9D")

```

### Valor máximo de mortes diárias
```{r}
value=max(BASE_DADOS$obitosAcumulado)/max(BASE_DADOS$casosAcumulado)*100
    valueBox(paste(round(value, 2), '%', sep = "" ), "Percentual de letalidade", icon = "virus", color =  "#b30000")

```

Row
-------------------------------------

### Gráfico da quantidade de óbitos no Brasil

```{r}
 
ref = BASE_DADOS %>% filter(regiao=='Brasil')
    data <- data.frame(
      group=ref$data,
      value=ref$obitosNovos
    )
    
    plot_ly(data, x = ~group, y = ~value, type = 'bar', name = 'SF Zoo') %>%
      layout(barmode = 'group', xaxis = list(title = "Data"), yaxis = list(title="Óbitos"))

```

### Gráfico da quantidade de óbitos em Goiás

```{r}
 
ref = BASE_DADOS %>% filter(estado=='GO') %>% filter(municipio=="")

    data <- data.frame(
      group=ref$data,
      value=ref$obitosNovos
    )
    
    plot_ly(data, x = ~group, y = ~value, type = 'bar', name = 'SF Zoo') %>%
      layout(barmode = 'group', xaxis = list(title = "Data"), yaxis = list(title="Óbitos"))

```

Row
---

### Proporção de óbitos por estado

```{r}
ref = BASE_DADOS %>% filter(estado!="") %>% filter(municipio=="") %>% select(estado, obitosNovos)

ref = aggregate(obitosNovos~estado, ref, sum)

data <- data.frame(
      group=ref$estado,
      value=ref$obitosNovos
    )

plot_ly(data, labels = ~group, values = ~value, type = 'pie') %>%
  layout(xaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE),
         yaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE))



```

### Razão de óbitos por população dos estados brasileiros

```{r}
ref = BASE_DADOS %>% filter(estado!="") %>% filter(municipio=="") %>% select(estado, obitosNovos, populacaoTCU2019)

obitos = aggregate(obitosNovos~estado, ref, sum)
populacao = ref %>% select(estado, populacaoTCU2019) %>% unique() %>% filter(populacaoTCU2019!="")

ref = inner_join(obitos, populacao, by = "estado")
ref$razao = (ref$obitosNovos/ref$populacaoTCU2019)*100

data <- data.frame(
      group=ref$estado,
      value=ref$razao
    )

plot_ly(data, labels = ~group, values = ~value, type = 'pie') %>%
  layout(xaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE),
         yaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE))

```

Row
---

### Compilado de informações tabulares

```{r}
ref = BASE_DADOS %>% filter(estado!="") %>% filter(municipio=="")

obitos = aggregate(obitosNovos~estado, ref, sum)
infectados = aggregate(casosNovos~estado, ref, sum)
populacao = ref %>% select(estado, populacaoTCU2019) %>% unique() %>% filter(populacaoTCU2019!="")
prevalencia = data.frame(estado = infectados$estado, prevalencia = paste(round((infectados$casosNovos/populacao$populacaoTCU2019)*100, 2), "%", sep = " "))
final = obitos %>% inner_join(infectados) %>% inner_join(populacao) %>% inner_join(prevalencia)
final$letalidade = paste(round((final$obitosNovos/final$casosNovos)*100, 2), '%', sep = " ")
final$estado = as.factor(final$estado)

datatable(final, rownames = FALSE,
                filter = "top",
                options = list( 
                  dom = "Blfrtip"
                  , buttons = 
                    list("copy", list(
                      extend = "collection"
                      , buttons = c("csv", "excel", "pdf", "print")
                      , text = "Download"
                    ) ) # end of buttons customization
                  
                  # customize the length menu
                  , lengthMenu = list( c(5, 10, 20, -1) # declare values
                                       , c(5, 10, 20, "All") # declare titles
                  ) # end of lengthMenu customization
                  , pageLength = 5
                  
                )
                
                )                         

```

### Análise de componentes principais

```{r}
ref = BASE_DADOS %>% filter(estado != "") %>% filter(municipio == "") %>% select(regiao, estado, casosNovos, obitosNovos)
valor_recuperados = sum(na.omit(BASE_DADOS$Recuperadosnovos))
valor_casos_novos = sum(na.omit(BASE_DADOS$casosNovos))
ref$prop_casos_novos = ref$casosNovos/valor_casos_novos
ref$recuperadosNovos = round(ref$prop_casos_novos*valor_recuperados, 0)
ref=ref %>% select(regiao, estado, casosNovos, obitosNovos, recuperadosNovos)

casosnovos = aggregate(casosNovos~estado, ref, sum)
obitosnovos = aggregate(obitosNovos~estado, ref, sum)
recuperadosnovos = aggregate(recuperadosNovos~estado, ref, sum)
regiao = ref %>% select(estado, regiao)

maindata = casosnovos %>% inner_join(obitosnovos, by = 'estado') %>% inner_join(recuperadosnovos, by = 'estado') %>% inner_join(regiao, by = 'estado') %>% unique()
rownames(maindata) = maindata$estado

mypr = prcomp(maindata[,2:4], scale. = T)

p = autoplot(mypr, data = maindata, colour = 'regiao', loadings = TRUE, loadings.label = TRUE) +
  geom_text(label = rownames(maindata), check_overlap = T)

ggplotly(p)
```